Dados Abertos - Senado Brasileiro, CEAPS¶

Os presentes dados estão disponíveis publicamente no site do governo brasileiro como parte da politica de acesso a dados públicos de forma aberta afim de ter-se transparência nos gastos públicos.

Senado.leg.br Site dos dados

Carregando módulos usados na análise.¶

Bibliotecas usadas para carregamentos dos dados, cálculos e renderização dos gráficos.

Incluem:

Numpy

Pandas

Matplotlib

Plotly - Visualização de dados

In [109]:
import numpy as np
import pandas as pd

import matplotlib.pyplot as plt
import plotly.express as px
import re
import csv
import glob
%matplotlib inline

pd.options.plotting.backend = "plotly"

Carregamento dos Dados¶

Sobre os Dados¶

Diversas inconsistências e dados faltantes em campos. Detalhes como datas e informação de documento faltando, ou data não preenchida ou preenchida de forma incompleta.

Ano de 2022¶

Amostra para o ano de 2022

In [110]:
# header=1 -> ignore first line header
df = pd.read_csv('data/despesa_ceaps_2022.csv', delimiter=';', header=1, encoding='iso-8859-1')
df.head()
Out[110]:
ANO MES SENADOR TIPO_DESPESA CNPJ_CPF FORNECEDOR DOCUMENTO DATA DETALHAMENTO VALOR_REEMBOLSADO COD_DOCUMENTO
0 2022 1 ACIR GURGACZ Aluguel de imóveis para escritório político, c... 004.948.028-63 GILBERTO PISELO DO NASCIMENTO 001/22 03/01/2022 Despesa com pagamento de aluguel de imóvel par... 6000 2173614
1 2022 1 ACIR GURGACZ Divulgação da atividade parlamentar 26.320.603/0001-64 INFORMANAHORA 000000000000310/A 04/01/2022 Despesa com divulgação da atividade parlamenta... 1500 2173615
2 2022 1 ACIR GURGACZ Divulgação da atividade parlamentar 13.659.201/0001-47 LINHA PURPURA FOTO E VIDEO LTDA 107 14/01/2022 Despesa com produção de texto e edição de víde... 6000 2173616
3 2022 1 ACIR GURGACZ Divulgação da atividade parlamentar 23.652.846/0001-01 ROBERTO GUTIERREZ DA ROCHA M.E.I. 187 18/01/2022 Divulgação da atividade parlamentar 1000 2173618
4 2022 1 ACIR GURGACZ Divulgação da atividade parlamentar 08.941.827/0001-01 RONDONIA DINÂMICA COM. E SERV. DE INFORMÁTICA ... 000000000001772/A 17/01/2022 Divulgação da atividade parlamentar 2000 2173617

Todos Anos 2008/2022¶

Carregando lista de arquivos contendo os dados para análise.

In [111]:
datas = {}
for file in sorted(glob.glob('data/*.csv')):
    
    if re.search(r'[0-9]+(.csv)', file):
        print('> load... ', file)
        datas[ re.search(r'[0-9]+', file ).group(0) ] = pd.read_csv(file, delimiter=';', header=1, encoding='iso-8859-1')
#(lambda d, x: [d.pop(i) for i in x] )(datas, ['2008','2009', '2010', '2011','2012'])
> load...  data/despesa_ceaps_2008.csv
> load...  data/despesa_ceaps_2009.csv
> load...  data/despesa_ceaps_2010.csv
> load...  data/despesa_ceaps_2011.csv
> load...  data/despesa_ceaps_2012.csv
> load...  data/despesa_ceaps_2013.csv
> load...  data/despesa_ceaps_2014.csv
> load...  data/despesa_ceaps_2015.csv
> load...  data/despesa_ceaps_2016.csv
> load...  data/despesa_ceaps_2017.csv
> load...  data/despesa_ceaps_2018.csv
> load...  data/despesa_ceaps_2019.csv
> load...  data/despesa_ceaps_2020.csv
> load...  data/despesa_ceaps_2021.csv
> load...  data/despesa_ceaps_2022.csv

Pré-Processamento dos Dados¶

Concatenando as tabelas de dados para formar um único da dataframe com os dados para análise.

In [112]:
dff = pd.concat(datas, ignore_index=True)
In [113]:
dff.loc[0:dff.shape[0],'VALOR_REEMBOLSADO'].replace(r'(\s)', '', regex=True, inplace=True)
dff.loc[0:dff.shape[0],'VALOR_REEMBOLSADO'].replace(r'(\n)','', regex=True, inplace=True)
dff.loc[0:dff.shape[0], 'VALOR_REEMBOLSADO'].replace(r'(\r)', '', regex=True, inplace=True)
dff.head()
Out[113]:
ANO MES SENADOR TIPO_DESPESA CNPJ_CPF FORNECEDOR DOCUMENTO DATA DETALHAMENTO VALOR_REEMBOLSADO COD_DOCUMENTO
0 2008 9 ADA MELLO Contratação de consultorias, assessorias, pesq... NaN NaN NaN NaN NaN 12351,52 2.008091e+12
1 2008 9 ADA MELLO Locomoção, hospedagem, alimentação, combustíve... NaN NaN NaN NaN NaN 386,6 2.008091e+12
2 2008 10 ADA MELLO Contratação de consultorias, assessorias, pesq... NaN NaN NaN NaN NaN 12351,52 2.008101e+12
3 2008 10 ADA MELLO Locomoção, hospedagem, alimentação, combustíve... NaN NaN NaN NaN NaN 2610,68 2.008101e+12
4 2008 11 ADA MELLO Contratação de consultorias, assessorias, pesq... NaN NaN NaN NaN NaN 12351,52 2.008111e+12
In [114]:
dff.loc[0:,'VALOR_REEMBOLSADO'].replace( regex=r'(,)', value='.',  inplace=True )
#dff.loc[0:dff.shape[0],'VALOR_REEMBOLSADO'] =dff.loc[0:dff.shape[0],'VALOR_REEMBOLSADO'].replace( regex={r'(,)':'.'} )
#dfs['VALOR_REEMBOLSADO'] = pd.to_numeric(dff['VALOR_REEMBOLSADO'], downcast='float')
dff.head()
Out[114]:
ANO MES SENADOR TIPO_DESPESA CNPJ_CPF FORNECEDOR DOCUMENTO DATA DETALHAMENTO VALOR_REEMBOLSADO COD_DOCUMENTO
0 2008 9 ADA MELLO Contratação de consultorias, assessorias, pesq... NaN NaN NaN NaN NaN 12351.52 2.008091e+12
1 2008 9 ADA MELLO Locomoção, hospedagem, alimentação, combustíve... NaN NaN NaN NaN NaN 386.6 2.008091e+12
2 2008 10 ADA MELLO Contratação de consultorias, assessorias, pesq... NaN NaN NaN NaN NaN 12351.52 2.008101e+12
3 2008 10 ADA MELLO Locomoção, hospedagem, alimentação, combustíve... NaN NaN NaN NaN NaN 2610.68 2.008101e+12
4 2008 11 ADA MELLO Contratação de consultorias, assessorias, pesq... NaN NaN NaN NaN NaN 12351.52 2.008111e+12
In [115]:
dff[ 'VALOR_REEMBOLSADO'] = pd.to_numeric(dff['VALOR_REEMBOLSADO'], downcast='float')
#dff.dropna(inplace=True)
#dff.to_csv('data.csv', index=False)

Tratamento e Limpeza dos Dados (Data Wrangling)¶

No campo 'VALOR_REEMBOLSADO' trocar virgula por ponto e converter para tipo numérico (float).

In [116]:
df['VALOR_REEMBOLSADO'] = pd.to_numeric( df['VALOR_REEMBOLSADO'].replace(regex=r'(,)', value='.'), downcast='float')
In [117]:
df.head()
Out[117]:
ANO MES SENADOR TIPO_DESPESA CNPJ_CPF FORNECEDOR DOCUMENTO DATA DETALHAMENTO VALOR_REEMBOLSADO COD_DOCUMENTO
0 2022 1 ACIR GURGACZ Aluguel de imóveis para escritório político, c... 004.948.028-63 GILBERTO PISELO DO NASCIMENTO 001/22 03/01/2022 Despesa com pagamento de aluguel de imóvel par... 6000.0 2173614
1 2022 1 ACIR GURGACZ Divulgação da atividade parlamentar 26.320.603/0001-64 INFORMANAHORA 000000000000310/A 04/01/2022 Despesa com divulgação da atividade parlamenta... 1500.0 2173615
2 2022 1 ACIR GURGACZ Divulgação da atividade parlamentar 13.659.201/0001-47 LINHA PURPURA FOTO E VIDEO LTDA 107 14/01/2022 Despesa com produção de texto e edição de víde... 6000.0 2173616
3 2022 1 ACIR GURGACZ Divulgação da atividade parlamentar 23.652.846/0001-01 ROBERTO GUTIERREZ DA ROCHA M.E.I. 187 18/01/2022 Divulgação da atividade parlamentar 1000.0 2173618
4 2022 1 ACIR GURGACZ Divulgação da atividade parlamentar 08.941.827/0001-01 RONDONIA DINÂMICA COM. E SERV. DE INFORMÁTICA ... 000000000001772/A 17/01/2022 Divulgação da atividade parlamentar 2000.0 2173617

Converter campo 'DATA' do tipo string para tipo Date. Campos de data não preenchidos ou preenchidos em formato incorreto será ignorados mantendo conteúdo antigo sem ser convertido para o tipo "datetime" do Python.

In [118]:
# Converter DATA para tipo Date
df['DATA'] = pd.to_datetime(df['DATA'], dayfirst=True, errors='ignore')

Tabela dos Dados Pré-processada e Tratada¶

In [119]:
df
Out[119]:
ANO MES SENADOR TIPO_DESPESA CNPJ_CPF FORNECEDOR DOCUMENTO DATA DETALHAMENTO VALOR_REEMBOLSADO COD_DOCUMENTO
0 2022 1 ACIR GURGACZ Aluguel de imóveis para escritório político, c... 004.948.028-63 GILBERTO PISELO DO NASCIMENTO 001/22 2022-01-03 Despesa com pagamento de aluguel de imóvel par... 6000.00 2173614
1 2022 1 ACIR GURGACZ Divulgação da atividade parlamentar 26.320.603/0001-64 INFORMANAHORA 000000000000310/A 2022-01-04 Despesa com divulgação da atividade parlamenta... 1500.00 2173615
2 2022 1 ACIR GURGACZ Divulgação da atividade parlamentar 13.659.201/0001-47 LINHA PURPURA FOTO E VIDEO LTDA 107 2022-01-14 Despesa com produção de texto e edição de víde... 6000.00 2173616
3 2022 1 ACIR GURGACZ Divulgação da atividade parlamentar 23.652.846/0001-01 ROBERTO GUTIERREZ DA ROCHA M.E.I. 187 2022-01-18 Divulgação da atividade parlamentar 1000.00 2173618
4 2022 1 ACIR GURGACZ Divulgação da atividade parlamentar 08.941.827/0001-01 RONDONIA DINÂMICA COM. E SERV. DE INFORMÁTICA ... 000000000001772/A 2022-01-17 Divulgação da atividade parlamentar 2000.00 2173617
... ... ... ... ... ... ... ... ... ... ... ...
16593 2022 12 ZEQUINHA MARINHO Passagens aéreas, aquáticas e terrestres nacio... 22.052.777/0001-32 Exceller Tour WIXHAI 2022-12-06 Companhia Aérea: LATAM, Localizador: WIXHAI. P... 2893.04 2191398
16594 2022 12 ZEQUINHA MARINHO Passagens aéreas, aquáticas e terrestres nacio... 22.052.777/0001-32 Exceller Tour WITOLM 2022-12-09 Companhia Aérea: GOL, Localizador: WITOLM. Pas... 1180.19 2192272
16595 2022 12 ZEQUINHA MARINHO Passagens aéreas, aquáticas e terrestres nacio... 22.052.777/0001-32 Exceller Tour THPKVQ 2022-12-20 Companhia Aérea: TAM, Localizador: THPKVQ. Pas... 2671.90 2192274
16596 2022 12 ZEQUINHA MARINHO Passagens aéreas, aquáticas e terrestres nacio... 22.052.777/0001-32 Exceller Tour QNN9HX 2022-12-21 Companhia Aérea: AZUL, Localizador: QNN9HX. Pa... 1334.31 2192244
16597 2022 12 ZEQUINHA MARINHO Passagens aéreas, aquáticas e terrestres nacio... 22.052.777/0001-32 Exceller Tour WMQWBX 2022-12-30 Companhia Aérea: TAM, Localizador: WMQWBX. Pas... 2250.72 2193622

16598 rows × 11 columns

Gastos Para o Ano de 2022¶

In [120]:
senadores = df['SENADOR'].unique()
df_gastos_sn = { 'Senador':[], 'GastoAnual':[], 'RegsSemDocumento':[], 'RegsSemDetalhamentoDoGasto':[] }
In [121]:
df.loc[ df['SENADOR'] == 'LUCAS BARRETO', 'DETALHAMENTO' ].isna().sum()
Out[121]:
228
In [122]:
for i in senadores:
    df_gastos_sn['Senador'].append(i)
    df_gastos_sn['GastoAnual'].append( df.loc[ df['SENADOR'] == i, 'VALOR_REEMBOLSADO'].sum() )
    #df_gastos_sn['RegsSemDocumento'].append( df[ df.loc[0:,'DOCUMENTO'].isna() == True][df.loc[0:,'SENADOR'] == i ].isna().sum()['DOCUMENTO'] )
    df_gastos_sn['RegsSemDocumento'].append( df.loc[ df['SENADOR'] == i, 'DOCUMENTO'].isna().sum() )
    #df_gastos_sn['RegsSemDetalhamentoDoGasto'].append( df[ df.loc[0:,'DETALHAMENTO'].isna() == True][df.loc[0:, 'SENADOR'] == i ].isna().sum()['DETALHAMENTO'] )
    df_gastos_sn['RegsSemDetalhamentoDoGasto'].append( df.loc[ df['SENADOR'] == i, 'DETALHAMENTO'].isna().sum() )
In [123]:
print( len(df_gastos_sn['GastoAnual']), len(df_gastos_sn['Senador']), len(df_gastos_sn['RegsSemDocumento']), len(df_gastos_sn['RegsSemDetalhamentoDoGasto']))
97 97 97 97
In [124]:
#ds = pd.DataFrame( { 'Senador': df_gastos_sn['Senador'], 'Gastos': df_gastos_sn['GastoAnual'] })
ds = pd.DataFrame( df_gastos_sn )
ds = ds.sort_values(by=['GastoAnual'], ascending=False)
ds
Out[124]:
Senador GastoAnual RegsSemDocumento RegsSemDetalhamentoDoGasto
50 LUCAS BARRETO 511319.78 0 228
90 TELMÁRIO MOTA 488693.40 0 249
64 MECIAS DE JESUS 488586.66 0 127
68 OMAR AZIZ 487541.24 0 0
9 CHICO RODRIGUES 486958.05 0 72
... ... ... ... ...
5 ANTONIO ANASTASIA 19647.13 3 15
33 GUARACY SILVEIRA 19285.82 0 1
49 LEILA BARROS 10567.64 12 12
63 MARIA ELIZA DE AGUIAR E SILVA 10136.42 0 0
84 SAMUEL ARAUJO 3233.90 0 0

97 rows × 4 columns

10 Senadores com Maior Gastos 2022¶

In [125]:
ds[:10].plot(x='Senador', y='GastoAnual', title='Gastos (R$) Senadores Brasileiros 2022', kind='bar')

10 Senadores com mais ocorrência de falta de Documento comprobatório do gasto na Base de Dados¶

In [126]:
ds.sort_values(by=['RegsSemDocumento'], ascending=False)[:10].plot(x='Senador', y='RegsSemDocumento', title='10 Sen. Sem Documento de Registro do Gasto', kind='bar')
In [127]:
# Número de campos não preenchidos para senadora 'Zenaide Maia'. Neste trecho é possível contar quantos senadores não
# preencheram o campo para o documento do gasto declarado.
#df[ df['DOCUMENTO'].isna() == True][df['SENADOR'] == 'ZENAIDE MAIA'].isna().sum()
In [128]:
# Plotly geneate fle to graphics host
#import plotly.io as pio
#fig_a = ds[:10].plot(x='Senador', y='GastoAnual', title='Gastos (R$) Senadores Brasileiros 2022', kind='bar')
#fig_b = ds.sort_values(by=['RegsSemDocumento'], ascending=False)[:10].plot(x='Senador', y='RegsSemDocumento', title='10 Sen. Sem Documento de Registro do Gasto', kind='bar')
#pio.write_html(fig_a, file='figa.html', auto_open=True)
#pio.write_html(fig_b, file='figb.html', auto_open=True)
In [129]:
dff[dff["ANO"] == 2008 ]["VALOR_REEMBOLSADO"].sum()
Out[129]:
11575947.4

Total gastos Por Mês¶

In [130]:
anos = [ i for i in range(2008, 2023) ]
mes = ['Jan', 'Fev', 'Mar', 'Abr', 'Mai', 'Jul', 'Jun', 'Agos', 'Set', 'Nov', 'Dez']
In [131]:
data = {'Data': [], 'Gasto': []}
for i in anos:
    for j in mes:
        data['Data'].append(j+'/'+str(i))
        data['Gasto'].append( dff[ (dff['ANO'] == i ) & ( dff['MES']  == mes.index(j) + 1 ) ]['VALOR_REEMBOLSADO'].sum() )
In [132]:
dl = pd.DataFrame(data, columns=['Data', 'Gasto'])
In [133]:
dl.to_csv('sgasto.csv', index=False)
In [134]:
#dl.drop([0], inplace=True)
A = np.array([dl.index, dl['Gasto'] ] )
A[0][1]
Out[134]:
1.0
In [135]:
asize = int( (75/100.0)*dl.shape[0] ) + 1
tsize = dl.shape[0] - asize

ds_train = dl[0:asize].copy()
ds_test = dl[asize:].copy() 
In [136]:
ds_train.head()
Out[136]:
Data Gasto
0 Jan/2008 0.00
1 Fev/2008 900507.98
2 Mar/2008 1064673.39
3 Abr/2008 1032569.59
4 Mai/2008 918064.51
In [137]:
#ds_test = ds_test.reindex([ i+1 for i in range(tsize) ], method='bfill', copy=True)
ds_test.head()
Out[137]:
Data Gasto
124 Abr/2019 2036964.21
125 Mai/2019 2197949.53
126 Jul/2019 2199537.09
127 Jun/2019 1880208.80
128 Agos/2019 2185251.87
In [138]:
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
In [139]:
dl = dl.drop([0])
In [140]:
np.array(dl.index)
Out[140]:
array([  1,   2,   3,   4,   5,   6,   7,   8,   9,  10,  11,  12,  13,
        14,  15,  16,  17,  18,  19,  20,  21,  22,  23,  24,  25,  26,
        27,  28,  29,  30,  31,  32,  33,  34,  35,  36,  37,  38,  39,
        40,  41,  42,  43,  44,  45,  46,  47,  48,  49,  50,  51,  52,
        53,  54,  55,  56,  57,  58,  59,  60,  61,  62,  63,  64,  65,
        66,  67,  68,  69,  70,  71,  72,  73,  74,  75,  76,  77,  78,
        79,  80,  81,  82,  83,  84,  85,  86,  87,  88,  89,  90,  91,
        92,  93,  94,  95,  96,  97,  98,  99, 100, 101, 102, 103, 104,
       105, 106, 107, 108, 109, 110, 111, 112, 113, 114, 115, 116, 117,
       118, 119, 120, 121, 122, 123, 124, 125, 126, 127, 128, 129, 130,
       131, 132, 133, 134, 135, 136, 137, 138, 139, 140, 141, 142, 143,
       144, 145, 146, 147, 148, 149, 150, 151, 152, 153, 154, 155, 156,
       157, 158, 159, 160, 161, 162, 163, 164])
In [141]:
X_train, X_test, y_train, y_test = train_test_split(np.array(dl.index).reshape(-1,1), np.array(dl['Gasto']).reshape(-1,1), test_size = 0.30)

regr = LinearRegression()
  
regr.fit(X_train, y_train)
print(f'Score:  {round(regr.score(X_test, y_test)*100, 3)}%')
Score:  24.952%
In [142]:
print(X_test.shape, y_test.shape)
(50, 1) (50, 1)
In [143]:
y_pred = regr.predict(X_test)
plt.scatter(X_test, y_test, color ='b')
plt.plot(X_test, y_pred, color ='k')
  
plt.show()

Gastos Mensais (Total) Senado¶

In [ ]:
 
In [144]:
dl.plot(x='Data', y='Gasto', title='Gastos Mensais', kind='bar')
In [145]:
dff[ ( dff['MES']  == mes.index('Fev')+1 ) & (dff['ANO'] == 2008) ]
Out[145]:
ANO MES SENADOR TIPO_DESPESA CNPJ_CPF FORNECEDOR DOCUMENTO DATA DETALHAMENTO VALOR_REEMBOLSADO COD_DOCUMENTO
8 2008 2 ADELMIR SANTANA Contratação de consultorias, assessorias, pesq... NaN NaN NaN NaN NaN 13800.00 2.008021e+12
9 2008 2 ADELMIR SANTANA Locomoção, hospedagem, alimentação, combustíve... NaN NaN NaN NaN NaN 1151.13 2.008021e+12
30 2008 2 ALMEIDA LIMA Aluguel de imóveis para escritório político, c... NaN NaN NaN NaN NaN 2279.98 2.008020e+12
31 2008 2 ALMEIDA LIMA Aquisição de material de consumo para uso no e... NaN NaN NaN NaN NaN 140.90 2.008020e+12
32 2008 2 ALMEIDA LIMA Contratação de consultorias, assessorias, pesq... NaN NaN NaN NaN NaN 41.22 2.008020e+12
... ... ... ... ... ... ... ... ... ... ... ...
2352 2008 2 VALTER PEREIRA Locomoção, hospedagem, alimentação, combustíve... NaN NaN NaN NaN NaN 10403.56 2.008021e+12
2406 2008 2 WELLINGTON SALGADO DE OLIVEIRA Aluguel de imóveis para escritório político, c... NaN NaN NaN NaN NaN 1796.21 2.008021e+12
2407 2008 2 WELLINGTON SALGADO DE OLIVEIRA Aquisição de material de consumo para uso no e... NaN NaN NaN NaN NaN 247.59 2.008021e+12
2408 2008 2 WELLINGTON SALGADO DE OLIVEIRA Contratação de consultorias, assessorias, pesq... NaN NaN NaN NaN NaN 450.00 2.008021e+12
2409 2008 2 WELLINGTON SALGADO DE OLIVEIRA Locomoção, hospedagem, alimentação, combustíve... NaN NaN NaN NaN NaN 2895.01 2.008021e+12

231 rows × 11 columns

In [146]:
dff[ (dff['MES'] == 8) & (dff['ANO'] == 2015) ]
Out[146]:
ANO MES SENADOR TIPO_DESPESA CNPJ_CPF FORNECEDOR DOCUMENTO DATA DETALHAMENTO VALOR_REEMBOLSADO COD_DOCUMENTO
144393 2015 8 ACIR GURGACZ Aluguel de imóveis para escritório político, c... 004.948.028-63 GILBERTO PISELO DO NASCIMENTO 008/15 03/08/2015 Despesa com pagamento de aluguel de imóvel par... 6000.00 2015568.0
144394 2015 8 ACIR GURGACZ Locomoção, hospedagem, alimentação, combustíve... 34.274.233/0097-46 PETROBRAS DISTRIBUIDORA 000539271 06/08/2015 Despesa com aquisição de combustível para abas... 1960.11 2015569.0
144395 2015 8 ACIR GURGACZ Locomoção, hospedagem, alimentação, combustíve... 34.274.233/0097-46 PETROBRAS DISTRIBUIDORA 000539459 07/08/2015 Despesa com aquisição de combustível para abas... 1538.08 2015570.0
144396 2015 8 ACIR GURGACZ Locomoção, hospedagem, alimentação, combustíve... 34.274.233/0097-46 PETROBRAS DISTRIBUIDORA 000539877 10/08/2015 Despesa com aquisição de combustível para abas... 1960.11 2015571.0
144397 2015 8 ACIR GURGACZ Locomoção, hospedagem, alimentação, combustíve... 34.274.233/0112-10 PETROBRAS DISTRIBUIDORA 000067584 12/08/2015 Despesa com aquisição de combustível para abas... 4575.22 2015573.0
... ... ... ... ... ... ... ... ... ... ... ...
170225 2015 8 ZEZÉ PERRELLA Passagens aéreas, aquáticas e terrestres nacio... 02.575.829/0001-48 Avianca Z8WCDT 28/08/2015 Companhia Aérea: AVIANCA, Localizador: Z8WCDT.... 1638.87 2018391.0
170226 2015 8 ZEZÉ PERRELLA Passagens aéreas, aquáticas e terrestres nacio... 09.296.295/0001-60 Azul F65KMV 06/08/2015 Companhia Aérea: AZUL, Localizador: F65KMV. Pa... 724.93 2018369.0
170227 2015 8 ZEZÉ PERRELLA Passagens aéreas, aquáticas e terrestres nacio... 09.296.295/0001-60 Azul WE9I5N 10/08/2015 Companhia Aérea: AZUL, Localizador: WE9I5N. Pa... 676.35 2018371.0
170228 2015 8 ZEZÉ PERRELLA Passagens aéreas, aquáticas e terrestres nacio... 09.296.295/0001-60 Azul YDIFND 28/08/2015 Companhia Aérea: AZUL, Localizador: YDIFND. Pa... 674.73 2018389.0
170229 2015 8 ZEZÉ PERRELLA Passagens aéreas, aquáticas e terrestres nacio... 02.012.862/0001-60 TAM ZX2CDH 27/08/2015 Companhia Aérea: TAM, Localizador: ZX2CDH. Pas... 930.18 2018387.0

2494 rows × 11 columns